Новость о том, что OpenAI недовольна частью новых чипов Nvidia и ищет альтернативы, на первый взгляд кажется странной. Nvidia — безусловный король ИИ-железа, её ускорители стоят почти во всех дата-центрах, где обучают большие модели. Но если копнуть глубже, становится ясно: речь идёт не об обучении, а о выводе, так называемом inference.
Сегодня ИИ — это уже не лабораторные эксперименты. Это миллионы запросов в секунду, постоянная нагрузка и огромные счета за электричество и вычисления. И вот тут выясняется неприятная вещь: чипы, идеально подходящие для обучения моделей, не всегда оптимальны для их повседневной работы с пользователями. Они мощные, универсальные — и при этом дорогие и прожорливые.
OpenAI сейчас находится в точке, где эффективность важнее абсолютной мощности. Каждый ответ ChatGPT — это деньги. И если можно обрабатывать те же запросы быстрее, дешевле и с меньшим энергопотреблением, логично начать искать альтернативы. Отсюда интерес к специализированным чипам под inference, собственным разработкам и решениям других производителей.
Для Nvidia это первый по-настоящему тревожный сигнал. Обучение больших моделей она пока контролирует почти полностью, но вывод становится новым полем битвы. Именно там масштаб, именно там деньги, именно там решается, кто будет зарабатывать на ИИ в долгую, а не только продавать железо стартапам.
Отдельно показательно и то, что разговоры об инвестициях Nvidia в OpenAI стали заметно осторожнее. Ещё недавно звучали цифры в десятки миллиардов долларов, а теперь — пауза и сомнения. Это говорит о том, что даже крупнейшие игроки начинают понимать: рынок ИИ входит в фазу трезвого расчёта.
И, пожалуй, главный вывод простой. Эпоха «берём самые мощные GPU и всё летает» заканчивается. Начинается эпоха оптимизации, специализации и холодной экономики. А значит, впереди — серьёзная перестройка всего ИИ-железа.
Подписывайтесь! Ставьте лайк, если новость отозвалась! Делитесь мыслями и вопросами в комментариях!